重整化群遇見機器學習：多尺度視角探索復雜系統內在的統一性

AIGC動態歡迎閱讀

原標題：重整化群遇見機器學習：多尺度視角探索復雜系統內在的統一性
關鍵字：系統,尺度,動力學,模型,建模
文章來源：人工智能學家
內容字數：17815字

內容摘要：

來源：集智俱樂部
作者：陶如意
編輯：梁金
正因為“太小的結構我們看不清，太大的結構我們看不全”，所以我們需要使用重整化群的方法，不斷把系統的重要特征突出，把不重要的特征抹除，最終我們會發現，或許整個世界是由一個個有限的島嶼組成，每個系統都會屬于一個島嶼，再無其他。本文從伊辛模型的重整化開始介紹了重整化群理論，然后系統梳理了重整化群和機器學習結合之處的系列研究，最后探討了與重整化群殊途同歸的多尺度動力學建模在探索非平衡動力系統方面的前沿進展，包括因果涌現理論、本征微觀態理論、強化學習世界模型等。重整化群在物理領域，尤其是粒子物理和統計物理領域具有非常重要的地位。引用加州大學圣迭戈分校尤亦莊老師（E大）關于重整化群的使用場景的總結就是：太小的結構我們看不清，太大的結構我們看不全。所以，我們需要重整化群來對系統進行截斷或者進行“粗糙化”的描述。
關于什么是重整化群，本文主要以我的學習路徑為錨點分享對于重整化群的理解。在當前階段其實就是這樣一句話：它本質上是描述系統參數空間動力學的一套圖像。最后，我們會再回到E大的描述進行呼應。所以，讓我們從動力學的話題開始。
01
什么是重整化群首先我們先

原文鏈接：重整化群遇見機器學習：多尺度視角探索復雜系統內在的統一性

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構